写给物理学家的生成模型

本文从物理学的视角介绍了生成模型的基本概念及其与统计物理的内在联系。文章首先阐述了生成模型学习数据样本背后的概率分布，并通过随机采样生成新样本的核心功能。接着，详细介绍了扩散模型、自回归模型、流模型和变分自编码器等现代生成模型的原理和应用。文章强调了生成模型在原子尺度物质结构的生成与设计中的潜力，并探讨了生成模型在优化变分自由能方面的独特优势，为求解困难的统计物理和量子多体问题提供了新的可能。此外，文章还讨论了物理学的洞察如何推动生成模型的发展和创新，以及生成模型在科学研究中的广泛应用，特别是在蛋白质和材料生成方面的应用。